TL;DR: En liten modell som velger mellom mus og kommandoer
Microsoft har publisert Mage-VL-Cowork, en åpen 4B-modell for computer use. Den er laget for å bruke en datamaskin på to måter: klikke, skrive og se på skjermen når oppgaven er visuell – eller gå til terminalen og bruke kode når en fil eller et regneark kan endres tryggere og raskere direkte. Modellen velger kanal fra steg til steg. [1] [2]
Microsoft oppgir 66,0 % på OSWorld-Verified, med en 50-stegsgrense, og bruker 72,4 % som menneskelig referanse i den samme tabellen. Det er et oppsiktsvekkende tall for en 4B-modell, men det er en benchmark i et kontrollert testmiljø – ikke en garanti for at modellen forstår deres fagsystem, kundesaker eller interne rutiner. [1] [3]
Det mest interessante er derfor ikke bare størrelsen. Mage viser hvorfor en mindre modell med riktig harness, klare verktøy og god verifisering kan gjøre konkrete datamaskinoppgaver mer effektivt enn en større modell som må prøve å løse alt ved å klikke seg frem.
Hva er Mage-VL-Cowork?
Computer use betyr at en AI ikke bare svarer med tekst, men kan arbeide gjennom et datamiljø. Den kan se et skjermbilde, klikke i et program, skrive inn tekst og bruke tastatursnarveier. Mage har i tillegg en terminalkanal, kalt bash, som kan lese og endre filer eller kjøre kommandoer når det er mer hensiktsmessig enn å etterligne en person med musen. [1]
Det er dette som skiller Mage fra en ren skjermagent. En agent som bare klikker seg gjennom et regneark, kan bruke mange små steg og gjøre enkle feil. Når arbeidsoppgaven er «endre denne kolonnen, lag et diagram og lagre filen», kan en begrenset terminalkommando eller et Python-bibliotek være både raskere og lettere å kontrollere. Når oppgaven derimot krever vurdering av et visuelt oppsett eller noe som bare finnes i det åpne programvinduet, kan modellen bruke skjermen.
Mage er ikke en ferdig digital medarbeider eller et komplett produkt som kobles rett på ERP, e-post og økonomisystemer. Det er en modell og en referanseagent som trenger et arbeidsmiljø rundt seg: rettigheter, en valgt mappe, verktøy, logging, tester og en person som avgjør hva den faktisk får gjøre.
Hvor gode er tallene – og hva betyr de egentlig?
Microsofts modellkort oppgir 66,04 % som gjennomsnitt fra to komplette kjøringer på 361 holdt-utenfor-oppgaver i OSWorld-Verified, uten Google Drive og med maksimalt 50 steg per oppgave. I sammenligningstabellen står en menneskereferanse på 72,4 %. Mage står også oppført over den publiserte scoren på 63,9 % for Qwen3.6-27B. [1]
Det er en sterk indikasjon på at en kompakt spesialisert modell kan være nyttig. Men tabellen er ikke en fullstendig lik test mellom alle modellene. Microsoft skriver selv at den viser utvalgte, rapporterte resultater, og at stegbudsjettet ikke er oppgitt for alle sammenligningsmodellene. OSWorld-Verified er dessuten laget nettopp fordi ekte programmer, nettsteder og grensesnitt endrer seg og gjør computer-use-evaluering vanskelig å holde stabil. [1] [3]
Derfor er den riktige lesningen: Mage ser lovende ut på en anerkjent og krevende datamaskinbenchmark. Test den likevel på deres egne, ufarlige arbeidsoppgaver før dere gir den reell tilgang.
| Påstand | Hva kilden faktisk viser | Hva dere fortsatt må teste selv |
|---|---|---|
| 66,0 % OSWorld-Verified | Microsofts to-runders gjennomsnitt på 361 oppgaver med 50-stegsgrense. [1] | Om den forstår deres språk, fagbegreper, mapper og programmer. |
| Raskere i regneark | I en Microsoft-demo løste Mage en Calc-oppgave på 39 sekunder og 6 steg. En GUI-only Qwen3.6-27B-demo brukte 9 minutter og 56 sekunder og 39 steg. [1] | Tid, feilrate og sporbarhet på deres filer og datamaskiner. |
| Liten modell | Modellkortet oppgir 4B parametere og 9,48 GB for bfloat16-vektene. [1] | Faktisk minnebehov med runtime, skjermbilder, kontekst og samtidige oppgaver. |
| Åpne vekter | Mage-VL-Cowork står med Apache-2.0-lisens i modellkortet. [1] | Sikker utrulling, eventuelle avhengighetslisenser og hvilken support dere trenger. |
Hvorfor regnearkseksempelet er mer enn et fartstriks
I Microsofts side-ved-side-demo får Mage og Qwen3.6-27B den samme Calc-oppgaven: slå sammen celler, sette overskrift, legge til en kolonne-graf og lagre en .xlsx-fil. Mage velger å endre arbeidsboken programmatisk i terminalen og verifisere resultatet, mens sammenligningsagenten er begrenset til GUI-handlinger. Microsoft oppgir 39 sekunder mot 9 minutter og 56 sekunder. [1]
Det er ikke bevis på at Mage alltid er femten ganger raskere. Det er et godt eksempel på et viktig prinsipp: Når AI-en kan velge et presist verktøy for en presis oppgave, slipper den mange unødvendige museklikk.
Dette henger tett sammen med Harness Engineering fra grunnen av. Modellen er bare én del. Verktøyene, filtilgangen, fremdriftsloggen og kontrollen av resultatet avgjør om en agent blir nyttig eller risikabel. Mage er interessant fordi denne måten å arbeide på er trent inn i selve agentatferden: se på skjermen når det er nødvendig, bruk en kontrollert kommando når strukturerte data skal bearbeides.
Kan Mage kjøre lokalt på en Mac mini?
Vektfilene er oppgitt til 9,48 GB i bfloat16. Det betyr at en maskin med 64 GB samlet minne i prinsippet har plass til mer enn selve modellfilen. Men modellstørrelse er ikke det samme som et komplett og støttet lokalt oppsett. Skjermbilder, kontekst, runtime, operativsystem og verktøy trenger også minne.
Viktigere: Microsofts publiserte referanseoppsett bruker SGLang, Docker og NVIDIA/CUDA-GPU. Modellkortet publiserer ikke en ferdig Apple Silicon- eller MLX-oppskrift. En M5 Pro Mac mini med 64 GB kan derfor være interessant maskinvare å eksperimentere med når en kompatibel runtime finnes, men det bør ikke omtales som en ferdig Mage-installasjon i dag. [1]
Mage-VL-Cowork står med Apache-2.0-lisens, en tillatende åpen kildekode-lisens som normalt åpner for kommersiell bruk. Det betyr likevel ikke at en bedrift kan hoppe over vanlig vurdering av lisens, modellkode, avhengigheter, datasikkerhet og ansvar før produksjonsbruk. [1]
For en mer tilgjengelig lokal agentarbeidsflate er LM Studio Bionic nærmere et ferdig produktspor. Mage er mer aktuell for tekniske team som kan sette opp et isolert miljø, kontrollere programvareavhengigheter og vurdere egen inferensstack.
Lokalt betyr ikke automatisk privat eller trygt
En modell som kjører lokalt kan redusere behovet for å sende dokumentinnhold til en ekstern modell-API. Men Mage kan få nettleser-, fil- og terminalverktøy. Et nettleserkall, synkronisert mappe, telemetri, en API-nøkkel eller en kommando med feil rettighet kan fortsatt føre data ut av maskinen.
Modellkortet ber også brukeren aktivere trust_remote_code=True. Det betyr at man skal laste og kjøre leverandørens egendefinerte kode, ikke bare vanlige modellvekter. Last ned en fast versjon, gjennomgå koden eller få noen med riktig kompetanse til å gjøre det, og start i en isolert testmaskin uten kundedata og produksjonsnøkler. [1]
Hvor kan dette bli nyttig?
Mage passer best der arbeidet både inneholder visuelle steg og strukturerte filer. Et teknisk team kan for eksempel la agenten klargjøre en rapport fra en testmappe, kontrollere at felter i en arbeidsbok har riktig format eller reproduisere en kjent feil i et utviklingsmiljø.
I en vanlig SMB bør første pilot være enda enklere: Agenten får kun lese en kopi av et avgrenset datasett og lage en rapport, et utkast eller en kontrolliste. Den skal ikke sende e-post, bokføre, endre CRM-data eller publisere noe. Se Kom i gang med AI-agenter for en trygg pilotrekkefølge.
Mage kan også bli en del av en hybrid modellstrategi. En lokal, mindre agent kan navigere og forberede arbeid i et kontrollert miljø, mens en sterkere skymodell brukes til det som krever mer resonnement eller språkforståelse. Offline AI forklarer hvorfor dette valget bør handle om data, kompleksitet, kostnad og sikkerhet – ikke bare om hvor mange parametere modellen har.
Mage, Bionic og skyagenter: tre ulike lag
| Løsning | Først og fremst | Hvor den kan passe | Husk |
|---|---|---|---|
| Mage-VL-Cowork | En åpen 4B-modell som velger GUI eller terminal. | Teknisk utprøving, egne desktopmiljøer og strukturerte filoppgaver. | Krever en kompatibel runtime, isolasjon og et bevisst sikkerhetsoppsett. |
| LM Studio Bionic | En arbeidsflate for agentarbeid med lokale, skybaserte eller eksterne modeller. | Team som vil prøve åpne modeller i prosjekter uten å bygge hele runtime selv. | Lokal modell fritar ikke teamet fra å kontrollere verktøy og filer. |
| Skyagent | En ferdig tjeneste med kraftig modell og drift hos leverandør. | Research, tung analyse og oppgaver der lokal drift ikke er et krav. | Vurder databehandleravtale, tilgang og hvilke data som sendes ut. |
Dette er ikke konkurrenter på ett enkelt punkt. Mage kan være motoren i et teknisk oppsett. Bionic er en arbeidsflate. En skyagent kan være den beste løsningen når dere trenger kapasitet og vil slippe driftsansvar. ChatGPT Dots viser et mer tjenestebasert computer-use-spor, med en agent som jobber i en leverandørdrevet sky-PC. AI-orkestrering er nettopp kunsten å velge riktig modell, verktøy og kontrollnivå for hver del av oppgaven.
Den praktiske starten: test en skjerm, ikke virksomheten
Begynn med en virtuell maskin eller egen test-PC. Gi agenten en testmappe med kopier av to–tre representative filer. Skriv en konkret oppgave, som «finn avvik mellom disse to regnearkene og lag en rapport – ikke endre originalfilene». Loggfør kommandoene den bruker og sammenlign resultatet med fasiten.
Først når dette er stabilt, kan dere vurdere en skriveoperasjon på en kopi. Handlingen som faktisk påvirker kunder, økonomi eller produksjon bør fortsatt ha en navngitt godkjenner. Dette er samme praktiske sikkerhetstenkning som i 9 lag i en AI-produksjonsarkitektur: sterk modellkapasitet erstatter ikke tester, logging og menneskelig ansvar.
Kilder
[1] Microsoft Mage Team — Mage-VL-Cowork modellkort og referanseoppsett [2] Microsoft Mage Team — Mage-VL-Cowork prosjektside [3] OSWorld — Introducing OSWorld-Verified
